레이더 자료를 이용한 기하학적 태풍중심 탐지 기법 개선

1. 서 론

한반도로 접근하는 태풍은 주로 기상레이더와 위성을 통해 관측된다. 정지궤도 위성은 높은 시공간 해상도 및 넓은 분석 영역을 보장하기 때문에 태풍의 관측과 추적에 주로 활용되지만(Liu et al., 2009; Bessho et al., 2016), 기하적 관측 오차로 인한 왜곡으로 하층 자료의 불확실성을 여전히 간과할 수 없다(Loew et al., 2017). 특히, 위성을 통한 태풍중심추적 알고리즘은 1~3km 고도의 구름 이미지 영상을 통해 태풍중심을 추적하기 때문에 상륙 후 발생하는 눈 벽의 무너짐(eyewall’s breakdown) 현상(Wu et al., 2003)을 제대로 대처하기 어렵고, 가시 영상을 사용할 수 없는 밤에는 태풍중심 추적에 어려움이 있다(Kim et al., 2017). 반면 기상레이더는 지상에 설치되어 제한적 관측 반경 영역에 대해 관측하므로 대륙에서 먼 해상의 태풍 탐지는 어려우나, 상륙 태풍에 대하여 정지궤도위성보다 고해상도 영상 분석이 가능하며, 저기압성 회전영역이나 3차원 구조가 파악될 경우 눈 벽의 변화에도 태풍중심 추적이 가능한 장점이 있다. 따라서, 본 연구는 레이더관측에 기반하여 기하학적 태풍중심을 추적하는 기법을 제시하고자 하였다.

태풍중심 위치는 영향 범위나 강풍역 지정에 기준이 되는 중요한 위치로써 선박 및 항공기 운항에 많은 영향을 주기 때문에 최대한 정확한 위치를 요한다. 위도 5~10^o 북서태평양 해상 영역에서 주로 발생하여 북상하는 태풍은 규모가 크고 형태가 뚜렷하기 때문에 주로 위성 이미지를 통해 중심 위치의 실시간 분석이 수행되는데, 실시간 태풍 강도분석으로 사용되는 기상청 현업 알고리즘(Dvorak, 1995)도 중심 위치 정보는 여전히 분석자의 주관 분석에 의존한다. 해상풍을 이용하여 태풍중심을 객관적으로 추정하는 알고리즘(Brennan et al., 2009)이 개발되어 있으나, 해상에서만 유효한 단점이 있다. 즉, 육지로 상륙하여 구조적인 뒤틀림(Asymmetric)을 겪거나, 눈 벽이 무너진 경우는 원격 탐사를 통한 주관 분석이 어려워지며, 지상의 기압 및 바람 관측 자료를 추가로 활용한다. 그러나 지상관측이 없는 곳에서는 중심 분석에 큰 어려움이 있다. 따라서 관측 자료 부족으로 내륙에 상륙한 태풍의 중심 위치 분석이 어려운 경우 레이더 반사도와 3차원 바람장은 태풍중심추적에 훌륭한 정보가 될 수 있다.

레이더 자료를 활용하여 태풍중심을 분석하기 위한 방법들이 제안되어왔다. 태풍의 회전 흐름 특징으로 중심 위치 분석에 접근하기 위하여 도플러 레이더 시선속도를 활용한 연구로, Wood and Brown (1992)이 태풍중심 주변의 도플러 시선속도의 분포를 이용하여 태풍중심 위치를 분석하는 방법을 제안하였고, Marks et al. (1992)은 태풍중심으로의 법선 벡터(tangential wind)를 사용하여 중심을 추적하는 알고리즘을 구현하였다. Lee and Marks (2000)는 와도 최대값을 기반으로 태풍중심 위치를 추정하는 GBVTD (the Ground-Based Velocity-Track-Display)로 내륙에 진입하는 태풍의 구조분석을 수행하였다. 미국의 국립 허리케인센터(NHC, National Hurricane Center)에서는 단일 레이더 볼륨관측 자료를 사용하는 GBVTD 방법을 활용하여 산출된 법선 바람(tangential wind)으로 부터 기압을 산출하며, 지상관측 기압 합성을 통해 최저 기압 위치를 태풍중심 위치로 산출하는 VORTRAC (the Vortex Objective Radar Tracking and Circulation) 방법을 현업 분석용으로 개발하였다(Harasti et al., 2007). 이 외에 Griffin et al. (1992)은 연속된 반사도 영상을 이용하여 중심을 추적하는 방법을 제안하였다. 기 개발된 레이더 기반 중심 추적 알고리즘들은 태풍의 3차원 구조를 고려하지 않기 때문에 눈 벽(eyewall)이 흐트러지거나 무너지는 변화(Wu et al., 2003)에 대처하지 못한다. 눈 벽 흐트러짐 현상은 태풍의 상륙과정에서 심화되는 경향이 있으며, 한반도와 같이 중위도 대륙에 가까운 지역에서 더욱 빈번하다(Liou et al., 2016). 국내에서는 레이더 자료를 통해 진도 도플러 레이더의 시선속도에 기반한 태풍중심 추적 연구가 진행된 바 있지만(Lee, 2002), 단일 레이더의 시선속도를 사용하기에 형태의 변화를 제대로 반영하지 못한다.

본 연구에서는 레이더 반사도 합성 영상에서의 태풍의 기하학적 형태를 기반으로 중심을 결정하는 기법(Chang et al., 2009)과 레이더 바람장으로부터 계산한 와도(vorticity)장을 기반으로 한 방법(Park et al., 2011)을 이용하여 한반도의 조밀한 중첩 레이더 관측망에 최적화한 태풍중심 탐지 알고리즘을 개발하였다. 우선, 위의 두 기법의 특성 인자를 선정하고, 각 인자에 대한 민감도 실험을 통해 최적 임계값을 결정하였다. 기법 최적화를 위해 특성 인자별 최적 임계값을 적용하여, 과거 한반도 영향 태풍 사례들의 태풍중심을 탐지하고 태풍중심 탐지율 및 탐지 정확도를 분석하였다.

2. 자료 및 방법

2.1 자료

레이더 기반 태풍중심 분석을 위해 변분법 기반의 고해상도 3차원 합성 자료인 WISSDOM (WInd Synthesis System using DOppler Measurements) (Liou et al., 2012) 반사도와 바람장을 사용하였다. 전통적인 레이더 바람장 산출 방법을 이용한 이중 및 다중 도플러 레이더 바람장(Amijo, 1969; Miller and Anderson, 1991)은 두 대 이상의 레이더 중첩 영역에서 연속 방정식 적분을 통해 산출되므로 산출 방식의 오차와 제한적 산출 영역의 문제점이 있다(Gao et al., 1999; Doviak et al., 1976). 그러나 WISSDOM은 변분법을 활용하여 레이더 관측 공백 및 레이더 기선과 분석 지점 사이의 각도 영향을 받지 않으며, 관측 중첩 영역과 무관하게 모든 레이더 관측 영역에서 바람 벡터 및 반사도가 산출된다. 또한 가상 경계법(the Immersed Boundary Method, IBM)을 적용하여 한반도의 복잡한 지형 조건을 고려하고, 자동 지상 관측(Automatic Weather Station, AWS) 바람을 활용하여 저층을 포함한 바람장 품질을 크게 향상시켰다(Liou et al., 2012; Kim et al., 2018).

본 연구에서는 WISSDOM 바람장 산출을 위해 기상청(Korea Meteorological Administration, KMA) 레이더 10소[백령도(BRI), 관악산(KWK), 광덕산(GDK), 강릉(GNG), 오성산(KSN), 면봉산(MYN), 진도(JNI), 구덕산(PSN), 고산(GSN), 성산(SSP)]와 환경부(Ministry of Environment, ME) 레이더 5소[가리산(GRS), 모후산(MHS), 비슬산(BSL), 소백산(SBS), 서대산(SDS)]에서 관측된 반사도와 시선속도 자료를 활용하였고(Table 1), 수평 1 km, 연직 0.2 km의 공간해상도와 10분의 시간 해상도로 관측 공백을 최소화한 반사도 합성장 및 바람장을 산출하였다(Fig. 2, Table 2). 태풍중심 분석에는 품질관리 된 합성 반사도와 바람 수평 성분(u, v)으로부터 계산한 와도장을 WISSDOM 도메인 영역 중 레이더 관측 영역에 대하여 활용하였다(Fig. 1). 태풍중심 분석에 2차원 합성장이 사용되므로 특정 고도에 대하여 분석을 수행한다. 본 연구에서는 자료 가용 영역을 최대한 넓게 확보하면서 지상과 가까운 4 km를 분석 고도로 선정하였다(Fig. 3).

Table 1.

The information of S-band radar specification for WISSDOM.

Table 2.

WISSDOM data description for detecting the geometric center of typhoon.

Fig. 1.

The radar observation area (shaded) and the domain of WISSDOM data (red square) with radar site of KMA (black letter) and ME (blue letter).

Fig. 2.

Example images of (a) WISSDOM reflectivity and (b) retrieved vorticity from WISSDOM wind at 4 km altitude (2018 typhoon SOULIK).

Fig. 3.

Comparison of the radar observable areas as altitude increases by 1 km up to 5 km.

태풍중심 분석 시 필요한 초기 중심 위치 및 분석결과의 검증을 위한 기준값으로는 3시간에서 6시간 간격으로 제공되는 기상청 태풍중심 위치 정보를 사용하였다.

2.2 연구 방법

본 연구에서는 레이더 자료의 기하학적 태풍의 형태를 기반으로 태풍중심 위치를 결정하는 방법을 이용하여 레이더 반사도와 레이더 와도장을 활용한 태풍의 눈을 정의하고 중심 위치를 탐지하였다.

2.2.1 레이더 자료 기반 기하학적 태풍중심 탐지 방법

(a) 레이더 반사도 기반 태풍의 눈 정의

Chang et al. (2009)의 방법을 기반으로 레이더 반사도 합성장을 활용하여 기하학 태풍중심을 분석하는 방법으로, 잘 발달된 태풍의 경우 레이더 반사도 합성 영상에서 태풍의 눈이 뚜렷하게 나타나며, 태풍 눈 영역 주변에 높은 반사도 영역이 둘러싸고 있는 눈벽(eye wall)이 나타난다. 따라서 레이더 반사도 임계값을 기준으로 태풍의 눈을 정의한다. 본 연구에서는 Chang et al. (2009)에서 태풍중심 탐지 불확실성을 낮출 수 있는 반사도 임계값으로 제안한 10 dBZ를 반사도 임계값으로 사용하였다. 태풍의 눈은 특정 반경의 완벽한 원형으로 가정하며, 반사도 임계값보다 작은 에코 영역을 임계값보다 큰 반사도의 원 고리가 둘러싸고 있을 때 이 원을 태풍의 눈으로 정의한다. 태풍중심은 태풍 눈 영역의 중심으로 정의하는데, 태풍 눈 벽 고리 내부에 반사도가 임계값 미만인 영역을 태풍 눈 영역으로 판단하고, 태풍 눈 영역 격자들의 면적을 고려한 평균 위치를 태풍의 중심 위치로 산출하였다.

(b) 레이더 바람장 기반 태풍의 눈 정의

태풍은 중심 주변에 저기압성 회전이 강한 특징이 있으며 태풍의 중심에 가까워짐에 따라 그 강도가 강해지고, 태풍의 눈 영역에서는 고기압성 회전이 나타나므로 태풍의 눈 영역 경계를 바람의 회전 성분인 와도로 구분할 수 있다. 따라서 한반도의 조밀한 레이더 관측망 시선속도로부터 산출된 3차원 바람장의 수평 성분을 활용하여 와도장을 산출하고, 이를 활용하여 Park et al. (2011) 방법을 기반으로 태풍중심을 분석하였다. 저기압성 회전이 나타나는 양의 와도 영역을 구분하기 위하여 0 s^-1을 와도 임계값으로 사용하였고, 임계값을 기준으로 태풍의 눈 영역을 구분하여 태풍의 눈을 정의하였다. 태풍중심 위치는 반사도를 활용하는 방법과 같이 와도 임계값으로 구분된 태풍의 눈 영역에 대하여 면적 평균 위치로 정의하였다.

(c) 태풍중심 위치 산출 방법

본 연구의 레이더 자료 기반 기하학 태풍중심 산출과정을 알고리즘으로 구현하여 자동으로 분석하였다(Fig. 4). 태풍의 눈 탐지 시 효율적인 반복 계산을 통해 중심 위치에 가까워질 수 있도록 탐지 범위, 조건, 임계값 등의 입력 변수를 Chang et al. (2009)에서 제안한 값으로 미리 고정하였다(Table 3). 태풍중심 초기 위치(X₀, Y₀)와 태풍의 눈 초기 반경(R₀)을 기상청 제공 기준 경로 또는 분석자의 주관적 판단으로 설정하고, R₀부터 탐지 범위(R₀ ± ΔR)에 대하여 조건에 맞을 때까지 반경을 R_inc만큼 늘려가면서 반복 계산을 통해 최종 태풍중심 위치(X_c, Y_c)를 산출하게 된다. 태풍중심 결정 조건은 Chang et al. (2009)에서 도입한 개념인 ERE (Enclosed Rate of Eye)를 기준으로 하였다. ERE는 원형의 태풍의 눈 고리가 레이더 변수로 채워진 비율로, 초기 중심 위치(X₀, Y₀)로부터 초기 반경(R₀) 거리에서 태풍 눈 고리 두께(± R_ring)에 포함되는 격자들에 대하여 변수 값(Z)이 임계값(Z₀) 이상인 격자 수의 비율을 ERE로 정의한다(Fig. 5). 태풍 눈 고리가 완벽히 원 형태로 채워져 있을 때 ERE는 최대값인 1이 되고, 원 형태가 뚜렷하지 않으면 0에 가까워진다. 기반 연구에서는 ERE가 0.9 이상인 경우에만 태풍의 눈으로 판단하고 태풍의 눈 영역의 면적 평균으로 중심 위치를 분석했지만, 한반도 상륙 태풍의 특성에 따라 ERE를 0.9에서 최소 임계값(γ_min)까지 0.1씩 줄여가며 중심 위치를 탐지하도록 하였다.

Fig. 4.

Flowchart for detecting geometric center of typhoon based on radar reflectivity and vorticity.

Table 3.

The information of initial parameters for the algorithm of detecting geometric center of typhoon.

Fig. 5.

Schematic diagram of the typhoon center detecting algorithm. Calculate the ERE (Enclosed Rate of Eye) using grid values corresponding to the ring (2Rring thickness) of typhoon eye R km away from the initial center point (X0, Y0). If the conditions are not met, increase R by Rinc.

ERE 값 조건을 만족하는 태풍 눈 고리를 찾은 경우, 태풍중심은 태풍 눈 반경(R) 내에서 태풍의 눈 고리 판단 임계값(Z₀)보다 작은 모든 격자들의 면적(A)에 대하여 면적 평균한 중심 위치로 계산된다[식(1)].

$\[ X^m=\frac{1}{A}\int XdA, Y^m=\frac{1}{A}\int YdA \]$

(1)

새로 산출된 위치(X^m, Y^m)와 이전 반복 계산에서 산출된 중심 위치(X^m-1, Y^m-1)의 거리가 임계값(α) 이하인 범위에서 산출되며, 조건을 충족하기 위한 반복 계산을 통해 최종 중심 위치(X_c, Y_c)가 결정된다. 그러나 탐지 가능한 최대 반경까지 ERE 값 조건을 만족하는 태풍 눈 고리를 찾지 못하는 경우엔 탐지 실패로 태풍중심 위치 결과값을 산출하지 않는다.

2.2.2 태풍중심 탐지 특성 인자 최적화 방법

(a) 민감도 실험

본 레이더 기반 기하학 태풍중심 분석 알고리즘의 입력 변수 임계값은(Table 3) 기존 연구들을 기반으로 선정하였으나, 분석 정확도 및 탐지율을 높이기 위하여 여러 가지 인자들에 대하여 민감도 실험을 수행하였다(Table 4). 그 중 가장 민감도가 큰 3가지 주요 인자를 선정하였다. 우선, 자료 해상도와 관련이 있는 인자로 태풍중심 반복계산 위치 차이 임계값(α)을 변수에 따라 조정하고(TEST1), 자료 해상도 기준으로 크고 작은 5개 값의 태풍 눈 벽 고리 두께(R_ring)에 대해 민감도 실험을 수행하여 최적값을 선정하였다(TEST2). 또한 본 기법은 초기 입력 중심 위치와 초기 반경을 기준으로 태풍의 눈을 탐지하며, 특히 초기 반경은 탐지 범위를 결정하기 때문에 결과에 매우 민감하게 영향을 미친다. 따라서 마지막으로, 태풍 눈 탐지 반경 변동 범위(ΔR)를 직전 탐지 시간 결과가 유효한 경우는 기존과 같은 R₀ ± ΔR로, 그 외의 결과에 대해서는 R_min~100 km로 조정하여 민감도를 확인하였다(TEST3). 이 때 최대 반경인 100 km는 한반도에 상륙하는 태풍들의 눈 반경을 통계 및 경험적으로 고려하여 민감도실험을 통해 선정하였다. 다른 인자들에 대한 민감도 실험 또한 수행하였으나, 탐지 성능에 민감하지 않거나, 사례와 임계값 변화에 대하여 민감도가 일관적이지 않은 인자는 최적화 요소에서 제외하였다. 앞서 선정된 3개 주요 인자들에 대한 민감도 실험을 통해 각각 선정한 최적의 임계값을 모두 적용하여 최적화된 기법을 이용해 태풍중심을 분석(BEST)하고 결과를 비교하였다.

Table 4.

Parameters for sensitivity (TEST) and final (BEST) experiments.

(b) 태풍중심 탐지 효율 및 정확도 검증

분석된 결과의 정확도는 각 분석 시간의 기준 위치에 대한 위치 차이로 분석하였고, 기준 위치와의 차이가 0.4^o(위·경도 기준) 미만인 경우에만 유효한 결과로 판단하여, 본 연구의 탐지율 및 정확도는 유효 탐지 결과에 대해서 분석하였다. 기준 위치는 기상청(KMA) 제공 태풍중심 위치 정보를 활용하였고, 위 정보는 3시간 또는 6시간 간격으로 제공되므로 레이더 분석 시간 간격과 동일한 10분 간격으로 선형 내삽하여 기준 위치로 사용하였다. 선형 내삽된 기준 위치는 실제 태풍 경로의 곡률 등의 변동성을 반영하지 못하므로, 분석 사례들의 태풍 이동 속도 및 태풍의 눈 반경 등을 고려한 경험적 값으로 한반도 영역에서 약 40~50 km 거리인 0.4^o를 유효한 분석 결과의 구분 기준으로 선정하였다.

탐지 알고리즘의 성능을 확인하기 위하여 전체 탐지 기간에 대하여 유효 탐지 결과를 산출한 시간 비율로 탐지율을 산출하였으며, 태풍 상륙 시 태풍중심을 분석하는 최소 시간 단위인 1시간 간격 탐지율을 추가 분석하였다. 1시간 단위 탐지율은 전체 분석 기간 중 1시간 내에 1회이상 유효 탐지를 성공한 시간 비율로 산출하였다.

3. 분석 결과

3.1 태풍 사례

분석된 사례는 한반도에 상륙했던 사례 중 레이더 관측 영역에 10시간 이상 관측된 사례로 2010년 4호 뎬무(TC1), 7호 곤파스(TC2)와 2018년 19호 솔릭(TC4), 25호 콩레이(TC5)와, 한반도에 상륙하지는 않았으나 서해상을 따라 북상하면서 한반도에 영향을 크게 주었던 2012년 15호 볼라벤(TC3)으로 총 5개 사례이다(Fig. 6, Table 5). 2010년 뎬무와 곤파스 사례는 태풍의 눈이 뚜렷했던 사례로, 한반도 통과 또는 소멸시점까지 태풍의 눈을 레이더 반사도 영상에서 확인할 수 있었던 사례이다. 2018년 솔릭과 콩레이는 한반도를 상륙하는 시점부터 레이더 반사도 영상에서 태풍의 눈 형태가 뚜렷하지 않아 육안으로 중심 위치 판단 시 연속된 시간의 레이더 반사도의 회전 중심을 확인해야만 태풍중심의 위치를 파악할 수 있는 사례들이며, 2012년 볼라벤 사례는 반사도 영상에서 태풍의 형태가 원형의 50% 미만으로 존재하여 육안으로 태풍의 형태를 구분하기 어려운 사례이다. 이와 같이 본 연구에서는 레이더 반사도 영상에서 태풍의 눈이 뚜렷하게 구분되는 사례와 구분이 어려운 사례들에 대하여 기하학 태풍중심을 분석하였다.

Fig. 6.

Typhoon tracks of 5 analysis cases during radar observable period from KMA.

Table 5.

The information of typhoon cases with analysis period and the number of data for analysis.

3.2 태풍중심 탐지 결과

3.2.1 기준 실험 결과

5개 태풍 사례에 대하여 WISSDOM 4 km 고도 반사도와 바람 자료를 활용하여 태풍중심을 분석한 결과, 사례 특성에 따라 탐지율이 최저 11%에서 최대 90%까지 나타났다. 가장 탐지율이 높았던 사례는 곤파스(TC2) 사례로 레이더 반사도 영상에서 태풍이 한반도 중부지역에 북상했을 때까지 눈이 뚜렷하게 나타나 반사도를 활용한 태풍중심 경로가 변동성이 적으며 기준 경로와 더욱 유사한 것을 확인할 수 있다(Fig. 7a). 내륙으로 태풍이 진입했을 때부터 반사도 활용 중심 탐지는 실패하였으나 와도 활용 시 탐지가 가능했던 것을 볼 수 있다. 탐지율이 가장 낮았던 볼라벤(TC3) 사례는 서해상을 따라 북상하였으며, 태풍의 눈은 육안으로 판단하기 어려운 사례였다. 반사도를 활용한 태풍중심 분석 결과 탐지율이 11%로 약 90% 기간에 대해 탐지가 불가능하였으나, 와도 활용 시 약 60%의 구간에 대하여 탐지가 가능했던 것을 확인할 수 있다(Fig. 7b). 분석된 태풍중심 위치와 기준 경로의 위치 차이는 콩레이(TC5) 사례를 제외한 모든 사례에서 약 0.2^o로 유사하게 분석되었다(Table 6).

Fig. 7.

Comparison of the typhoon tracks from the algorithm for geometric centers of typhoon with the best tracks (KMA) using WISSDOM reflectivity (blue) and vorticity (orange) during (a) KOMPASU (TC1) and (b) BOLAVEN (TC3) case.

Table 6.

Results of control test (CTL), 3 sensitivity tests (TEST1, 2, 3), and final test (BEST) to the parameters in Table 4. The red and blue numbers denote the worst detection rates and the best improvement rates, respectively.

활용 변수에 따라 탐지 결과의 차이가 뚜렷하게 나타났는데(Table 6), 모든 사례에서 반사도 활용 시 탐지율보다 와도 활용 시 탐지율이 15% 이상 높게 나타났다. 특히 태풍의 눈 형태가 뚜렷하지 않은 사례에서 각 변수에 따른 탐지율 차이가 크게 나타났다. 볼라벤(TC3) 사례의 경우 44.9%, 솔릭(TC4) 사례의 경우 27.2% 반사도와 와도 활용 시 탐지율 차이를 보였다. 태풍의 눈이 뚜렷했던 곤파스(TC2) 사례의 경우 반사도와 와도 영상에서 태풍의 눈 영역이 유사하여, 탐지된 태풍의 눈 반경과 중심 위치가 유사한 것을 확인할 수 있었다(Figs. 8a, b). 그러나 태풍 형태가 뚜렷하지 않았던 볼라벤(TC3) 사례는 태풍중심 주변에 반사도가 강한 태풍 눈 벽 영역이 좁게 분포하여 반사도 활용 시 태풍의 눈 고리와 중심을 탐지하지 못하였으나(Fig. 8c), 와도 영상에서는 약한 반사도 영역에서도 태풍의 눈 주변으로 큰 와도 영역이 고르게 분포하고 있어 기준 경로와 거의 유사한 위치로 분석한 것을 확인할 수 있다(Fig. 8d). 기하학적 태풍 형태를 이용한 중심 추적은 레이더 반사도를 활용한 결과에 비해 와도를 활용한 결과 높은 탐지율을 보였다. 이는 태풍중심 주변의 약한 강우강도 영역이라도 강한 저기압성 회전이 와도로 산출되어 태풍중심 탐지에 이용하기 때문이다.

Fig. 8.

Composite images of WISSDOM reflectivity and vorticity at 0140 LST September 2, 2010 (KOMPASU, TC1) and 0700 LST August 28, 2012. The black (red) + sign and open circle denote determined (initial) center of typhoon and ring of the typhoon eyes.

3.2.2 특성 인자 민감도 실험 결과

Chang et al. (2009)에서 제시한 주요 인자 임계값을 WISSDOM 자료 해상도에 맞춰 조정하고 탐지 조건을 개선하기 위해 3가지 인자에 대한 민감도 실험을 수행하고 최적의 임계값을 선정하였다. 인자별 최적 임계값을 모두 적용하여 기법을 최적화하고 태풍 중심을 분석하여 최적화 전 결과와 비교 분석하였다(Table 4).

(a) 태풍중심 반복계산 위치 차이

태풍중심 반복계산 위치 차이 임계값(α)은 반복계산시 초기 입력 위치와 크게 벗어나는 결과를 산출하지 않게 하기 위한 임계값으로, 자료 해상도와 같은 1.0 km로 설정하였을 때 탐지율이 가장 높게 나타났다. 따라서 와도에 대해서는 임계값 변동없이 기존과 같은 조건이며, 반사도에 대해서 0.5 km에서 1.0 km로 조정하였다. 임계값 조정 결과, 모든 사례에 대하여 경로 오차는 거의 유사하였으나 탐지율이 증가하는 것을 확인할 수 있었다. 특히 기존 탐지율이 약 11.0%였던 볼라벤(TC3) 사례의 경우 임계값 조정에 따라 탐지율이 39.0%로 28%의 가장 많은 증가를 보였으며, 기존에 탐지율이 높았던 뎬무(TC1)와 곤파스(TC2) 사례 모두 10% 이상의 탐지율 증가로 반사도 이용시 80% 이상의 탐지율을 보였다(Table 6).

(b) 태풍 눈 벽 고리 두께

태풍 눈 벽 고리 두께(R_ring)는 태풍의 눈을 탐지하는 범위와 유사한 의미의 변수로, 자료 해상도에 대해 0.1 km부터 2.0 km까지 5개 임계값을 적용하여 태풍중심을 분석하였다. 분석 결과, 사례와 사용 변수에 따른 특정 경향성을 보이지 않았으며, 임계값 조정에 대한 탐지율 표준 편차가 사례에 따라 0.15%에서 2.5%까지 나타났고, 위치 차이는 표준편차 분포가 0.02^o 미만으로 나타나 평균 탐지율과 위치 차이에 대해 편차가 대부분 결과값의 5% 미만으로 임계값 조정에 대한 효과가 크게 나타나지 않았다(not shown). 따라서 반사도, 와도를 사용한 모든 사례에 대하여 가장 개선 효과가 많이 나타난 0.5 km로 선정하였고, 그 결과 반사도 활용 시 탐지율이 볼라벤(TC3) 사례를 제외하고 모두 작게 감소하였으나, 와도 활용 시 곤파스(TC2) 사례에 대해서 최대 4.2%의 탐지율 향상을 보였다(Table 6). 태풍의 눈 탐지 시 탐지 반경으로부터 ± R_ring 범위에 대하여 탐지하므로 실제 탐지 범위는 2R_ring이 되는데, 개선율이 가장 높았던 0.5 km는 탐지 범위가 1.0 km로 자료 해상도와 같은 것을 확인할 수 있었다.

(c) 태풍중심 탐지 반경 변동 범위

태풍중심 탐지에 가장 민감하게 영향을 미치는 요소인 태풍중심 탐지 반경에 대하여 민감도 실험을 수행하여, 이전 시간 탐지 결과가 유효한(경로 오차 0.4^o 미만) 경우에는 이전 탐지 태풍 눈 반경으로부터 ± 20 km 영역에 대하여 태풍 눈 고리를 탐지하지만, 그 외의 경우 태풍의 눈 최소 반경(R_min)에서부터 100 km까지 탐지하도록 탐지 반경 변동 범위를 조정하였다.

조정 결과, 곤파스(TC2) 사례를 제외하고 모두 탐지율이 증가하는 것을 확인할 수 있었다. 특히 반사도 활용 시 탐지율이 최대 21.3% 증가하였고(뎬무(TC1) 사례), 와도 활용 시 콩레이(TC5) 사례의 탐지율이 28.7% 증가하여 기존 50% 미만 탐지율에 대해 가장 큰 개선 효과를 보였으며 솔릭(TC4) 사례 또한 탐지율이 19% 증가하였다. 위 두 사례 모두 내륙으로 진입하였을 때부터 바람 강도가 약해져 태풍 눈 형태가 뚜렷하지 않았던 사례로, 탐지 반경 조건 개선에 의해 탐지 성능이 증가하여 기준 경로와 유사하게 탐지하고, 특정 기간에 탐지 결과가 몰려있지 않고 모든 기간에 대하여 균일하게 탐지가 가능한 것을 확인할 수 있었다(Fig. 9). 또한 다른 민감도 실험과 달리 탐지 반경 적용 조건을 최적화한 경우 위치 차이가 기존 결과에 비해 대부분 사례에서 감소하였고 특히 위 두 사례에 대하여 0.03^o 이상, 최대 0.06^o 감소하여[솔릭(TC4) 반사도 활용 시] 탐지 정확도 또한 증가하는 것을 확인할 수 있었다(Table 6).

Fig. 9.

Same as in Fig. 6 but for CTL (orange) and TEST3 (orange) results using vorticity during (a) SOULIK (TC4) and (b) KONG-REY (TC5) case.

3.2.3 태풍중심 탐지 기법 최적화 결과

본 연구에서는 기하학적 태풍중심 자동 추적 프로그램을 최적화하기 위해 고해상도 WISSDOM 자료를 활용하고, 특성 인자 3가지를 선정하여 인자의 임계값 및 구동 환경 개선을 위해 민감도 실험을 수행하고 최적 조건을 확인하였다. 최적의 조건으로 최적화된 기법을 활용하여 동일한 사례들에 대한 태풍중심을 분석하고, 기법 최적화 전과 후의 결과 차이를 확인하였다(Fig. 10). Figures 10a, b에서 회색 상자는 최적 조건 적용 전의 결과이고, 파란색과 주황색은 각각 반사도와 와도를 활용한 최적 조건 적용 탐지율이다. 빗금으로 채워진 상자는 각 사례의 전체 탐지 기간에 대한 유효 탐지 횟수의 비율로 전체 탐지율(total)을 나타내며, 그 외의 상자는 1시간 내에 1회 이상 탐지한 시간 비율인 시간 탐지율(hr)을 나타낸다. Figure 10c는 1시간 내 평균 탐지 횟수를, Fig. 10d는 평균 위치 차이를 나타낸다.

Fig. 10.

Total detection rate using (a) reflectivity and (b) vorticity for 5 cases. The gray and blue/orange (mashed) bar indicates the (total) hourly result of CTL and BEST experiment using reflectivity/vorticity data respectively. (c) Averaged hourly number of detection and (d) averaged location difference between reference location (KMA best track) and determined location. The light blue/orange and blue/orange bar indicate the result of CTL and BEST experiments using reflectivity/vorticity data.

반사도를 이용한 태풍중심분석 결과, 전체 탐지율(total)은 최적화 후 모든 사례에 대하여 탐지율이 증가하였고, 콩레이(TC5) 사례에서 최대 25.2% 탐지율 증가를 보였다. 시간 탐지율(hr)은 모든 사례에서 전체 탐지율보다 높게 나타났으며, 볼라벤(TC3) 사례에서 기존 탐지율 30%에서 개선 후 70%로 2배 이상인 40% 탐지율 증가를 보였다. 특히, 콩레이(TC5) 사례에서는 최적화 전 전체 탐지율에서 시간 탐지율이 47.8% 증가하였는데, 이는 분석 기간 동안 최적화 전보다 균일한 시간간격으로 탐지했음을 알 수 있다. 또한 전체 탐지율이 최적화 후 증가했으나 시간당 평균 탐지 횟수(Fig. 10c)는 감소하였는데, 이 또한 최적화 후 전체 기간에 더욱 균일하게 탐지했음을 알 수 있다.

와도를 이용한 태풍중심분석 결과, 뎬무(TC1) 사례를 제외하고 반사도를 이용한 결과보다 모든 경우 탐지율이 높게 나타났다. 그러나 최적화 후 반사도 이용 탐지율이 크게 증가하여 와도 활용 탐지율과의 차이는 평균 약 10% 감소하였다. 두 변수 활용 탐지율 차이는 볼라벤(TC3)과 솔릭(TC4) 사례에서 가장 크게 나타났다. 사례별 기법 최적화 전 후 결과를 비교해보면, 솔릭(TC4), 콩레이(TC5) 사례에 대하여 전체 탐지율이 각각 18.6%, 28.7% 증가하였고, 시간 탐지율 또한 두 사례에 대하여 가장 크게 증가하였다[콩레이(TC5) 35%]. 특히, 시간 탐지율은 모든 사례에 대하여 80% 이상 나타나고, 곤파스(TC2) 사례 탐지율은 100%로 모든 기간 중 1시간에 1회 이상 탐지하였음을 확인할 수 있었다.

기준 경로에 대한 평균 위치 차이는, 최적화 전 모든 사례에 대하여 약 0.2^o로 유사하게 나타났으나, 최적화 후 대부분 사례에서 위치 차이가 감소하였으며, 특히 솔릭(TC4) 사례의 위치 차이가 반사도, 와도 활용 시 각각 0.07^o, 0.05^o 감소하여 0.15^o와 0.16^o로 가장 위치 차이가 작게 나타났다.

태풍중심 분석 프로그램 최적화의 종합 결과, 모든 사례에 대하여 탐지율이 증가하고 위치 차이가 감소하는 것을 확인하였고, 반사도를 활용하는 것 보다 와도를 활용할 때, 전체 분석 구간에 대하여 탐지율이 더 높은 것을 확인할 수 있었다.

4. 요약 및 결론

본 연구에서는 한반도 영향 태풍의 기하학 중심 위치를 분석하기 위하여 레이더 기반 알고리즘을 개발하고, 레이더 합성 반사도와 고해상도 3차원 WISSDOM 바람 자료를 활용하여 알고리즘을 최적화하였다. 최적화를 위해서 알고리즘 내 특성 인자를 3가지 선정하고, 각 인자에 대한 민감도 실험을 수행하였다. 과거 한반도 상륙 5개 사례에 대한 태풍중심 탐지 결과, 태풍의 눈이 뚜렷한 사례에 대해서는 반사도, 와도 활용 시 모두 탐지율이 70% 이상으로 높게 나타났으며 알고리즘 최적화 시 약 10% 탐지율 증가를 보였다.

태풍의 눈 형태가 뚜렷하지 않은 사례들에 대해서는 최적화 전 반사도 활용 시 약 20% 탐지율을 나타내었으나, 와도 활용 시 약 50% 탐지율을 나타내 태풍 눈 형태가 뚜렷하지 않을 때 와도 활용 성능이 더 좋은 것을 확인할 수 있었다. 또한 반사도 활용 탐지율이 와도 활용 탐지율에 비해 최적화 전 후 모두 낮았으나, 두 변수 모두 최적화 적용 시 약 20% 탐지율 증가를 보였다. 태풍중심 분석 결과를 이미지로 확인했을 때 정량적 탐지율에 비해 정성적으로 균일한 탐지 결과를 보여 기법의 성능이 개선된 것을 확인할 수 있었고, 이를 반영한 정량적 지수를 산출하기 위하여 1시간 내 1회 이상 탐지한 시간 탐지율을 산출하였다. 그 결과, 반사도 활용 시 모든 사례에 대하여 60% 이상 탐지율을, 와도 활용 시 80% 이상 탐지율을 보였으며, 다양한 형태의 태풍 사례에 대해서 레이더 자료를 활용하여 80% 이상 태풍중심 위치 분석이 가능함을 확인하였다. 분석 정확도를 판단하기 위하여 기상청 제공 기준 경로에 대한 분석 결과의 위치 차이를 분석한 결과, 최적화 전 평균 약 0.2^o에서 최적화 후 평균 약 0.18^o로 감소하여 태풍중심 탐지 정확도 또한 높아지는 것을 확인하였다. 반사도와 와도 활용 시 모두 탐지된 시간 결과에 대한 중심 위치 차이 분석 결과 반사도 활용 결과가 와도 활용 결과보다 약 0.01^o 작게 나타나, 탐지 효율은 와도를 활용할 때 더 높지만, 탐지가 가능한 시점에서는 반사도 활용 정확도가 더 높은 것을 확인할 수 있었다. 따라서 탐지 시점의 태풍 형태 및 자료의 가용 영역 크기와 위치에 따라 각 자료에 대한 결과를 선택하여 활용할 수 있다.

현재 기상청에서 제공하는 태풍중심 위치는 소수점 1자리까지 제공되어 오차 범위를 0.1^o로 고려했을 때 본 알고리즘으로 태풍 상륙 시 신뢰할 만한 태풍중심 위치 정보를 제공하여 태풍중심 분석에 도움될 수 있을 것으로 판단된다. 또한 한반도 레이더 자료 가용시간 간격은 10분 내외로, 조밀한 시간 간격으로 상륙 태풍에 대한 실시간 중심 위치 분석이 가능하여 태풍피해 저감에 충분히 활용될 수 있을 것으로 예상된다.

Acknowledgments

본 논문의 개선을 위해 좋은 의견을 제시해 주신 두 분의 심사위원께 감사를 드립니다. 이 연구는 기상청 기상레이더센터 R&D 연구개발사업 “범부처 융합 이중편파레이더 활용 기술개발(WRC 2013-A-1)”의 지원으로 수행되었습니다.

References

• Armijo, L., 1969: A theory for the determination of wind and precipitation velocities with Doppler radars. J. Atmos. Sci., 26, 570-573. [https://doi.org/10.1175/1520-0469(1969)026<0570:ATFTDO>2.0.CO;2]
• Bessho, K., and Coauthors, 2016: An introduction to Himawari-8/9 – Japan’s new-generation geostationary meteorological satellites. J. Meteor. Soc. Japan Ser. Ⅱ, 94, 151-183. [https://doi.org/10.2151/jmsj.2016-009]
• Brennan, M. J., C. C. Hennon, and R. D. Knabb, 2009: The operational use of QuikSCAT ocean surface vector winds at the National Hurricane Center. Wea. Forecasting, 24, 621-645. [https://doi.org/10.1175/2008WAF2222188.1]
• Chang, P.-L., B. J.-D. Jou, and J. Zhang, 2009: An algorithm for tracking eyes of tropical cyclones. Wea. Forecasting, 24, 245-261. [https://doi.org/10.1175/2008WAF2222112.1]
• Doviak, R. J., P. S. Ray, R. G. Strauch, and L. J. Miller, 1976: Error estimation in wind fields derived from dual-Doppler radar measurement. J. Appl. Meteor., 15, 868-878. [https://doi.org/10.1175/1520-0450(1976)015<0868:EEIWFD>2.0.CO;2]
• Dvorak, V. F., 1995: A workbook on tropical clouds and cloud systems observed in satellite imagery. Tropical Cyclones vol. 2., NOAA/NESDIS/NWS.
• Gao, J., M. Xue, A. Shapiro, and K. K. Droegemeier, 1999: A variational method for the analysis of three-dimensional wind fields from two Doppler radars. Mon. Wea. Rev., 127, 2128-2142. [https://doi.org/10.1175/1520-0493(1999)127<2128:AVMFTA>2.0.CO;2]
• Griffin, J. S., R. W. Burpee, F. D. Marks Jr., and J. L. Franklin, 1992: Real-time airborne analysis of aircraft data supporting operational hurricane forecasting. Wea. Forecasting, 7, 480-490. [https://doi.org/10.1175/1520-0434(1992)007<0480:RTAAOA>2.0.CO;2]
• Harasti, P. R., W.-C. Lee, and M. Bell, 2007: Real-time implementation of VORTRAC at the National Hurricane Center. Pre-prints, 33^rd Conf. on Radar Meteorology, Cairns, Australia, Amer. Meteor. Soc., P11A.6.
• Kim, K.-H., H.-L. Kim, S.-H. Jeong, and K.-I. Jang, 2018: Retrieval and accuracy analysis of three-dimensional multiple-Doppler radar wind field using variational method. Proc. The autumn meeting of KMS, Jeju, Korean Meteorological Society, 152 (in Korean).
• Kim, O.-H., S.-Y. Jeong, S.-Y. Kim, H.-S. Park, S. Na, N.-S. Ko, and J.-D. Jang, 2017: Improvement of TC center location analysis technology based on micro wave satellite data. Proc. The autumn meeting of KMS, Busan, Korean Meteorological Society, 681-682 (in Korean).
• Lee, J.-M., 2002: The estimation of typhoon center location using the radial velocity of Doppler-radar. Atmosphere, 12, 362-365 (in Korean).
• Lee, W.-C., and F. D. Marks Jr., 2000: Tropical cyclone kinematic structure retrieved from single-Doppler radar observations. Part Ⅱ: The GBVTD-simplex center finding algorithm. Mon. Wea. Rev., 128, 1925-1936 [https://doi.org/10.1175/1520-0493(2000)128<1925:TCKSRF>2.0.CO;2]
• Liou, Y.-C., S.-F. Chang, and J. Sun, 2012: An application of the immersed boundary method for recovering the three-dimensional wind fields over complex terrain using multiple-Doppler radar data. Mon. Wea. Rev., 140, 1603-1619. [https://doi.org/10.1175/MWR-D-11-00151.1]
• Liou, Y.-C., T.-C. C. Wang, and P.-Y. Huang, 2016: The inland eyewall reintensification of Typhoon Fanapi (2010) documented from an observational perspective using multiple-Doppler radar and surface measurements. Mon. Wea. Rev., 144, 241-261. [https://doi.org/10.1175/MWR-D-15-0136.1]
• Liu, C.-C., T.-Y. Shyu, C.-C. Chao, and Y.-F. Lin, 2009: Analysis on typhoon Longwang intensity changes over the ocean via satellite data. J. Mar. Sci. Technol., 17, 23-28.
• Loew, A., and Coauthors, 2017: Validation practices for satellite-based earth observation data across communities. Rev. Geophys., 55, 779-817. [https://doi.org/10.1002/2017RG000562]
• Marks, F. D., R. A. Houze, and J. F. Gamache, 1992: Dual-aircraft investigation of the inner core of Hurricane Norbert. Part Ⅰ: Kinematic structure. J. Atmos. Sci., 49, 919-942. [https://doi.org/10.1175/1520-0469(1992)049<0919:DAIOTI>2.0.CO;2]
• Miller, L. J., and W. Anderson, 1991: Multiple-Doppler radar wind synthesis in CEDRIC. NCAR CEDRIC manual, Appendix F, 8 pp.
• Park, S.-G., G. W. Lee, Y.-J. Lee, H.-Y. Han, C.-H. Yoo, and B.-H. Heo, 2011: Estimation of the location of typhoon center using radar data. Proc. The autumn meeting of KMS, Korean Meteorological Society, 82-83.
• Wood, V. T., and R. A. Brown, 1992: Effects of radar proximity on single-Doppler velocity signatures of axisymmetric rotation and divergence. Mon. Wea. Rev., 120, 2798-2807. [https://doi.org/10.1175/1520-0493(1992)120<2798:EORPOS>2.0.CO;2]
• Wu, C.-C., K.-H. Chou, H.-J. Cheng, and Y. Wang, 2003: Eyewall contraction, breakdown and reformation in a landfalling typhoon. Geophys. Res. Lett., 30, 1887. [https://doi.org/10.1029/2003GL017653]